High prevalence of coinfection of azithromycin-resistant<i>Mycoplasma genitalium</i>with other STIs: a prospective observational study of London-based symptomatic and STI-contact clinic attendees
Notice bibliographique
Résumé
OBJECTIVES: (MG) infection, and particularly if MG has macrolide resistance-associated mutations (MG-MRAMs). We estimated prevalence of coinfections of CT with MG carrying MRAM, and risk factors for MG-MRAM among a sexual health clinic population. STUDY DESIGN AND SETTING: Among symptomatic and STI-contact clinic attendees in London, prevalence of CT-MG coinfection and MG-MRAM were estimated using nucleic acid amplification testing and Sanger sequencing, respectively, and their associated risk factors analysed using logistic regression. RESULTS: MG prevalence was 7.5% (23/307), 17.3% (30/173), and 11.4% (8/70) in females, men who have sex with women (MSW) and men who have sex with men (MSM), respectively; MG coinfection in CT-infected participants represented 28.0% (7/25), 13.5% (5/37), 0.0% (0/0), respectively. Presence of MG-MRAM was 39.1% (9/23) in female swabs, 70.0% (21/30) in MSW urine and 83.3% (5/6) in MSM rectal swabs. In multivariate analyses, coinfection with another STI was strongly associated with MG-MRAM (OR: 7.19; 95% CI: 2.4 to 21.5). CONCLUSION: A significant proportion of participants in our study of symptomatic patients and STI contacts were infected with macrolide-resistant MG, suggesting that testing for MG and MRAM, for MG positives, might be clinically useful. The findings also suggest services explore potential benefits of testing CT positive samples for MG in these patient groups. Where MG testing is not available, potential high rates of MG coinfection should be borne in mind when considering azithromycin in the treatment of CT among STI contacts and symptomatic patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».